非侵入式翼伞操纵绳张力传感器弹性体设计和有限元分析

针对目前的张力传感器难以用于翼伞操纵绳张力测量的问题,根据翼伞操纵绳张力的特点,设计了一种非侵入式的张力传感器结构。利用Ansys软件对设计的传感器弹性体进行了有限元仿真分析,研究了不同的结构参数对传感器弹性体的影响,给出了最佳的弹性体结构参数。

考虑参数空间变异性的边坡可靠度分析非侵入式随机有限元法

提出了考虑土体参数空间变异性的边坡可靠度分析的非侵入式随机有限元法。采用Karhunen-Loeve级数展开方法表征土体抗剪强度参数空间变异性,其中通过wavelet-Galerkin技术求解Fredholm积分方程得到相关函数的特征解。基于有限元滑面应力法计算边坡安全系数,采用随机多项式展开将隐式函数表达的安全系数替换为显式函数表达的安全系数,并编写了计算程序NISFEM。研究了所提方法在考虑土体参数空间变异性的边坡稳定可靠度分析中的应用。结果表明:提出的非侵入式随机有限元法极大地提高了考虑土体参数空间变异性的边坡可靠度分析的计算效率,为解决复杂边坡稳定可靠度问题提供了一条有效的途径。考虑抗剪强度参数空间变异性的边坡可靠度分析存在临界变异系数,其随边坡安全系数的增加而增大。当抗剪强度参数的变异系数小于临界变异系数时,忽略土体参数空间变异性将会高估边坡失效概率。当边坡安全系数小于1时,边坡失效概率并不总是随着抗剪强度变异系数的增加而增大。此外,土体黏聚力和内摩擦角随机场间相关性对边坡失效概率具有十分明显的影响。

边坡可靠度分析的非侵入式随机有限元法

提出基于非侵入式随机有限元法的边坡可靠度分析方法,并编写计算程序NISFEM。采用有限元滑面应力法计算边坡安全系数,将Hermite随机多项式展开与SIGMA/W和SLOPE/W模块有机结合实现边坡可靠度非侵入式随机分析。根据随机多项式展开系数,给出边坡安全系数前4阶统计矩(均值、标准差、偏度和峰度)和Sobol指标解析表达式,并采用Sobol指标进行边坡可靠度参数敏感性分析。最后,以均质土坡可靠度问题为例,证明该方法在边坡可靠度分析中的有效性。结果表明,边坡可靠度分析的非侵入式随机有限元法能够有效地考虑边坡变形对边坡可靠度的影响,计算效率远远高于蒙特卡罗模拟方法(MCS),是解决复杂边坡可靠度问题一种有效地分析手段;黏聚力和内摩擦角变异性对边坡安全系数前四阶统计矩具有明显的影响,重度变异性对安全系数前4阶统计矩几乎没有影响;抗剪强度参数间负相关性对边坡安全系数均值几乎没有影响,但对安全系数标准差、偏度和峰度均有明显的影响。此外,随着抗剪强度参数间负相关性的增加,边坡安全系数由近似正态分布逐渐变为明显的非正态分布。

基于非侵入式随机有限元法的地下洞室可靠度分析

提出了地下洞室变形可靠度分析的非侵入式随机有限元法。介绍了随机多项式展开的基本原理,采用GEOSLOPE的SIGMA/W模块进行确定性有限元分析。提出了随机多项式展开与SIGMA/W模块接口方法及其流程图,从而实现了确定性有限元分析和随机分析一体化。最后研究了非侵入式随机有限元法在地下洞室变形可靠度分析中的应用。结果表明:非侵入式随机有限元法使得随机分析与确定性有限元分析互不耦合,其计算效率是传统的蒙特卡罗模拟方法无可比拟的,它是地下洞室变形可靠度问题分析一种有效的方法。采用二次衬砌支护是提高地下洞室可靠度有效的方法。此外,岩体变形模量的变异性对地下洞室变形可靠度有非常明显的影响,而岩体重度的变异性对可靠度基本上没有影响。因此,在地质勘查中要尽可能准确地确定岩体的变形模量,从而有效地提高地下洞室变形可靠度。

基于拉丁超立方抽样的边坡可靠度分析非侵入式随机有限元法

提出了基于拉丁超立方抽样的边坡可靠度分析非侵入式随机有限元法。采用有限元滑面应力法计算边坡稳定安全系数,通过Hermite随机多项式展开拟合边坡安全系数与输入随机变量间隐式函数关系,采用拉丁超立方抽样技术产生配点计算随机多项式展开系数。研究了该方法在锦屏I级水电站左岸边坡稳定可靠度分析中的应用。结果表明:基于拉丁超立方抽样的非侵入式随机有限元法实现了边坡可靠度分析和边坡稳定有限元分析过程不耦合,该方法计算精度高,为复杂高陡边坡可靠度问题求解提供了一条有效的途径。基于拉丁超立方抽样技术计算随机多项式展开系数,所需样本点数目约等于待定系数数目,其计算效率高于常用的概率配点方法。锦屏I级左岸边坡断层f42-9的内摩擦角敏感性程度最大,它对边坡稳定性具有重要的影响,其次为III2类岩体的内摩擦角,其余变量对边坡稳定性影响不明显。表征输入参数敏感性的Sobol指标为边坡加固方案的制定提供了参考依据。

非侵入式脑刺激对帕金森病患者执行功能的影响:网状meta分析

目的探索非侵入式脑刺激措施改善帕金森病患者执行功能的有效性。方法检索Web of Science、PubMed、EMBASE、中国知网、万方数据5个数据库中关于经颅磁刺激、经颅交流电刺激、经颅直流电刺激3种非侵入式脑刺激干预措施治疗帕金森病且结局指标包括执行功能的随机对照试验,根据预先确定的标准筛选文献并提取数据。采用网状meta分析方法比较3种非侵入式脑刺激干预措施对帕金森病患者执行功能障碍的疗效,使用标准化均数差(SMD)及95%贝叶斯可信区间(CrI)汇总结果,通过累积排序曲线下面积(SUCRA)对各干预措施的疗效进行排序。结果共纳入20项随机对照试验,包括809例帕金森病患者。与对照组相比,经颅磁刺激对帕金森病患者的执行功能有显著改善效果(SMD=0.16,95%CrI 0.01~0.32)。各干预措施疗效的概率排序结果显示,对帕金森病患者执行功能障碍疗效最佳的干预措施排序为经颅磁刺激>经颅交流电刺激>经颅直流电刺激>对照(SUCRA分别为0.72、0.61、0.41、0.25),经颅磁刺激最有可能是疗效最佳的干预措施。结论目前的有限证据显示,经颅磁刺激对帕金森病患者的执行功能有直接的改善效果。受纳入研究的数量及质量影响,上述结论需进行更进一步的高质量研究验证。

基于大数据分析的智能用电非侵入式负荷分解模型

为准确从电网电流数据中分解出单独的负荷叠加信号,基于大数据分析构建一种新的智能用电非侵入式负荷分解模型。应用大数据分析技术建立时间序列数据集,确定时间区域断点均值,并在大数据内部提取非侵入式负荷信号,通过迭代计算提取智能用电设备运行状态。根据线性解码计算结果构建负荷分解数学模型,分析负荷电流信号独立性,检测电流信号和负荷电流信号的近似系数,实现分解操作。实验结果表明,所构建模型分解后的电流与负荷的电流信号之间的相关系数达到0.9999,加快了收敛速度,保证分解效果。

专利分析非侵入式脑机接口技术发展趋势

1924年,人们首次发现了脑电波(Electroencephalogram,EEG),脑信息科学的大门被打开;1973年,脑机接口(Brain Computer Interface,BCI)概念被提出,探索人脑协同联动的研究之路开启;2000年前后,两次脑机接口国际会议召开为脑机接口技术发展指明了方向;2022年,马斯克旗下Neuralink公司公布了一项植入颅内的脑机接口实验结果,再次将脑机接口推上“热搜”。

基于最优特征和改进随机森林的非侵入式负荷辨识方法

非侵入式负荷监测方法是实现电网智能化的关键技术,有助于优化能量管理,促进能源高效利用。为了应对目前大多数负荷辨识模型存在的特征冗余、识别精度有限和计算效率低下等问题,提出了一种基于最优特征和改进随机森林的新型非侵入式负荷辨识方法。首先,通过递归特征消除方法从众多负荷特征中自主确定最优特征组合,以减少信息冗余。然后,确定不同决策树的权重数值,通过构建加权随机森林模型来实现电器负荷的辨识。为了进一步提高算法的精确度,利用改进鲸鱼算法对随机森林的重要参数进行优化。最终在公开数据集进行实验验证,证明所提负荷辨识方法具有准确性和优越性。

弱层台阶边坡可靠度非侵入式随机分析

为确保复杂结构边坡的安全稳定,针对弱层台阶边坡可靠性开展非侵入式随机分析。以抗剪参数为随机变量,采用局部平均法进行随机场离散,采用随机场和Monte-Carlo(SMC)法编制程序进行数值计算,并与Monte-Carlo(MC)法结果进行比较。结果表明:利用非侵入式随机分析方法计算可靠度效率更高且易于实现;随机场可以反映岩体力学参数的空间变异性以及参数之间相关特性,更接近于实际情况,弱层对边坡稳定性有重要影响,会导致边坡安全系数降低,且最大位移会显著增大;采用MC法会过度放大边坡的失效概率,而SMC法得到的结果更可靠。该结论可为复杂结构边坡的可靠性分析提供参考。

基于混合蒙特卡洛/多项式混沌展开方法的多参数随机等离子体不确定性分析

多项式混沌展开(polynomial chaos expansion, PCE)方法对于分析随机等离子体电磁传播不确定性已经展示出了相当大的潜力。然而,由于构建多项式混沌模型的计算量随着不确定性输入维数的增加呈指数增长,数值模拟耗时长,导致“维数灾难”问题。因此,本文基于非侵入式多项式混沌(non-intrusive polynomial chaos,NIPC)方法,采用混合蒙特卡洛(Monte Carlo, MC)/PCE方法研究了多层等离子体平板电子密度不确定性对透射系数的影响,并验证了所提出方法的实用性。与MC方法相比,本文方法可以大大加快仿真的速度,有效缓解了多项式展开项的数量随着随机变量维数的增加而快速增加的缺点,同时大大降低了MC方法的仿真次数,有利于电磁模型的多参数不确定性分析。

基于聚类和关联分析的居民用户非侵入式负荷分解

现有的非侵入式负荷监测方法主要采用监督学习模型,该类模型需要具有针对性的大量训练数据,而且无法有效识别在训练数据中未出现的负荷。在分析多种家用电器负荷特征的基础上,选取负荷投切过程中暂态功率波形和功率变量作为负荷特征,并提出一种基于聚类和关联分析的无监督学习居民用户非侵入式负荷分解方法。首先根据功率变化情况提取电流和电压数据,并计算得到暂态功率波形;然后通过动态时间规整算法计算当前暂态功率波形与历史暂态功率波形的匹配度,并利用动态聚类算法和其他暂态负荷特征判别该功率波形对应的负荷操作;最后以周为单位对负荷操作进行关联分析,确定每种电器对应的多个暂态特征。仿真结果表明,所提方法易于实现,在准确率和可靠性方面有明显提高。

基于聚类加权随机森林的非侵入式负荷识别

非侵入式负荷识别是实现用能管理的重要监测手段,而随机森林因其良好的泛化能力和鲁棒性应用于负荷识别领域。针对传统随机森林算法忽略决策树分类能力的差异、投票不公平的问题,提出了一种基于层次聚类的加权随机森林算法。首先,提取各类负荷开关状态下负荷特征量,建立特征数据库用于训练原始随机森林模型。然后,利用有功功率差检测总线信号中的开关事件,并提取负荷特征量作为验证集和测试集;验证集采用层次聚类选择法获得每个聚类中分类精度最高的决策树,测试集采用加权投票策略实现负荷识别。通过实验验证,说明相比于传统的机器学习算法,该算法可以实现更高的识别精度,准确率可达96.2%。

近红外漫反射光谱法非侵入式定量分析盐酸氨溴索片剂

目的 建立非侵入式检测盐酸氨溴索片剂待压颗粒、裸片及铝塑包装片的方法。方法 应用傅立叶变换近红外光谱仪和外接积分球、旋转测样器及固体光纤探头 ,颗粒样品采用PbS检测器 ,裸片及铝塑包装片采用InGaAs检测器 ,在 12 0 0 0～ 4 0 0 0cm- 1 ,每份样品扫描 6 4次求平均值 ,通过PLS法建立模型 ,待压颗粒、裸片、铝塑包装片建模采用波段分别为 4 6 0 2～ 4 2 4 7,12 0 0 0～ 74 98和 6 10 2～ 5 4 4 6 ,12 0 0 0～ 5 4 4 6cm- 1 。结果 交互证实法确定待压颗粒、裸片及铝塑包装片最佳主成分数均为 6 ,均方误分别为 0 30 6 ,0 972和 1 4 92。待压颗粒、裸片及铝塑包装片预示集主药盐酸氨溴索平均回收率分别为 10 0 % ,10 0 %和 10 2 % ,回收率RSD分别为 1 17% ,1 70 %和 1 78%。结论 近红外漫反射光谱法简便、快速、可靠 ,完全可应用于盐酸氨溴索片剂待压颗粒、裸片及铝塑包装片的快速无损定量分析 。

基于EEMD和特征降维的非侵入式负荷分解方法研究

针对现有非侵入式居民用电负荷监测缺乏对独立负荷完整、全面的分解方法,导致用电信息的完整性得不到保证的不足,提出一种基于集合经验模态分解(ensemble empirical mode decomposition,EEMD)和Pearson-PCA改进的盲源分离算法。利用EEMD对总功率信号分解,以消除经验模态在分解过程中易出现模态混叠的现象,并得到一系列固有模式函数(intrinsic mode functions,IMF)。结合Pearson相关系数和主成分分析法(principal component analysis,PCA),提出Pearson-PCA改进算法对IMF进行降维,剔除相关性较弱的IMF分量,以及估计源信号数目。运用快速独立分量分析(fast independent component analysis,FastICA)对降维后的IMF进行分解,计算得出源功率信号。将提出的改进算法应用于非侵入式居民用电负荷分解问题,采用能量分解数据集(reference energy disaggregation data,REDD)进行实验仿真。实验结果表明:在不同用电场景下,提出的改进算法均具有较好的分解效果。

基于VMD样本熵与随机森林的非侵入式设备状态检测方法

非侵入式负荷监测可以保护用户隐私并对用电情况做出细分,为了提高设备状态检测辨识精度,提出一种基于变分模态分解样本熵特征数据集结合随机森林分类的非侵入式负荷状态检测方法。采用变分模态分解算法利用其良好的抗噪性、鲁棒性对暂态特征进行提取;计算模态样本熵,将处理后的数据集作为决策树、支持向量机和随机森林等算法的输入进行负荷状态辨识。实验分析表明,随机森林的强分类性使得负荷辨识结果较好,且拟合效果优秀,成功结合了所提算法并解决了单设备运行和多设备运行时的非侵入式设备状态的检测问题。

基于时域显式法的非平稳随机地震响应灵敏度分析

分别采用精细积分格式和Newmark-β积分格式推导了非平稳随机地震响应灵敏度的时域显式表达式.并分别将其应用于平面框架与平面桁架问题的灵敏度分析,研究了积分时间步长对两种积分格式的计算精度和效率的影响.发现:当结构主频处于地震主频范围内时,在同等精度条件下,基于精细积分的时域表达式效率更高;而在结构主频偏离地震荷载主频范围时,基于Newmark-β积分格式的时域表达式效率更高.该研究成果可以为在考虑非平稳随机振动的结构优化问题中的数值积分算法选择提供有效的参考和借鉴.

非侵入式眼表综合分析仪在干眼诊断中的应用价值

目的:分析非侵入式眼表综合分析仪在干眼诊断中的应用价值。方法:纳入2017年12月至2018年12月期间我科收治的150例疑似干眼患者,先进行非侵入式检查(采用非侵入式眼表综合分析仪),再进行传统检查,比较2种方法的泪膜异常检出率。采用Pearson和Spearman分析非侵入式检查结果与干眼相关指标间的关系。结果:非侵入式检查的泪膜异常检出率明显高于传统检查(90.67%比74.67%,P<0.05)。传统检查测得的泪膜破裂时间(tear break-up time,TBUT)与非侵入式检查测得的非侵入性泪膜破裂时间(noninvasive tear break-up time,NITBUT)呈正相关(r=0.88,P<0.01);传统检查中的基础泪液分泌试验(Schirmer I test,SIT)结果与NITBUT呈正相关(r=0.54,P<0.01);非侵入式检查测得的泪河高度(tear meniscus height,TMH)与TBUT、SIT呈正相关(r=0.53,P<0.01;r=0.76,P<0.01);非侵入式检查中的脂质层分析评分(r=-0.52,P<0.01)、睑板腺缺失评分与TBUT(r=-0.61,P<0.01)呈负相关,但与SIT间无相关性(r=0.25,P=0.15)。结论:在采用非侵入式眼表综合分析仪检查干眼中,泪膜异常检出率高,并可辅助干眼分型及治疗方案制定。

基于小波变换与神经网络的非侵入式家电负荷监测研究

智能家电智能化程度越来越高,同一电器对应的工作模式也越来越多。目前家电的非侵入式负荷监测仅仅采用传统家电单一负荷曲线进行研究,极大局限了非侵入式负荷监测技术的应用推广。为此,以智能洗衣机不同工作模式为例,研究了同一家电不同模式下的用电负荷特征,采集了智能家电中洗衣机不同工作模式下的用电负荷数据,通过小波变换的方法对负荷曲线进行平滑与特征信息提取,并基于统计学思想对表征特征信息的特征向量进行了评价,建立神经网络模型对不同工作模式的负荷曲线进行了识别,通过MATLAB平台仿真,证明了基于小波分析特征提取及神经网络特征识别的方法在非侵入式智能家电负荷监测中的可行性,识别准确率较高,具有良好的应用推广价值。

基于随机森林的非侵入式家庭负荷辨识方法

智能量测技术是智能电网的重要组成部分,文章为增强非侵入式家庭负荷辨识算法的适用性,提出了一种负荷低频监测技术,结合居民用电行为与外部非电力负荷特征相关特性,建立一种基于随机森林的家庭负荷监测模型,在该模型中,选取常用的电气特征以及引入诸如居民负荷使用的时间特征等外部数据特征,通过互信息分析方法筛选与用电行为关联度高的多维特征量,进而采用随机森林算法对居民用电行为进行建模,从而实现对不同家庭各个类型的负荷进行有效监测。算法运行在AMPds公开数据集上,与贝叶斯分类算法进行比较,验证了所提算法的有效性。